申富饒,李 戈

1(計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(南京大學(xué)),江蘇 南京 210023)

2(南京大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)系,江蘇 南京 210023)

3(北京大學(xué) 信息科學(xué)技術(shù)學(xué)院,北京 100871)

4(高可信軟件技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(北京大學(xué)),北京 100871)

智能化軟件新技術(shù)是使用人工智能與機(jī)器學(xué)習(xí)技術(shù)輔助軟件工程的新興技術(shù).近年來(lái)以深度學(xué)習(xí)為代表的人工智能技術(shù)飛速發(fā)展,在計(jì)算機(jī)科學(xué)的各個(gè)領(lǐng)域中都開(kāi)始發(fā)揮重要作用.隨著軟件工程領(lǐng)域?qū)?shù)據(jù)積累的重視,人工智能技術(shù)在軟件開(kāi)發(fā)過(guò)程中的應(yīng)用也逐漸增加.利用人工智能技術(shù)輔助軟件工程中的代碼編寫、糾錯(cuò)、測(cè)試等具體工作,可以大量節(jié)省人工勞動(dòng),提升軟件開(kāi)發(fā)效率.將人工智能技術(shù)更好地與軟件工程的各個(gè)環(huán)節(jié)相結(jié)合,進(jìn)一步提升軟件開(kāi)發(fā)過(guò)程的自動(dòng)化、智能化程度,是智能化軟件新技術(shù)研究的主要關(guān)注點(diǎn).

本?？_(kāi)征文,共收到投稿37篇,其中32篇論文通過(guò)了形式審查,內(nèi)容涉及智能化軟件新技術(shù)的各個(gè)方面.特約編輯先后邀請(qǐng)了20多位專家參與審稿工作,每篇投稿至少邀請(qǐng)2位專家進(jìn)行評(píng)審.稿件經(jīng)初審、復(fù)審、全國(guó)軟件與應(yīng)用學(xué)術(shù)會(huì)議(NASAC 2018)宣讀和終審 4個(gè)階段,共歷時(shí) 5個(gè)月.26篇論文通過(guò)復(fù)審在 NASAC 2018會(huì)議上進(jìn)行報(bào)告并接受質(zhì)詢,最終有24篇論文通過(guò)終審,入選本?？?本?？饕ㄒ韵?個(gè)主題.

一、自動(dòng)化編程與糾錯(cuò)

本主題收錄了5篇論文.《基于深度學(xué)習(xí)的程序生成與補(bǔ)全技術(shù)研究進(jìn)展》針對(duì)基于深度學(xué)習(xí)的自動(dòng)化編程的兩種主要實(shí)現(xiàn)方式,即程序生成與代碼補(bǔ)全,進(jìn)行了廣泛的調(diào)研與綜述,揭示了該領(lǐng)域目前所面臨的困難和挑戰(zhàn),并提出了幾個(gè)未來(lái)的研究方向.本文對(duì)該領(lǐng)域內(nèi)研究現(xiàn)狀的分析總結(jié)有助于其他研究者在現(xiàn)有研究的基礎(chǔ)上改進(jìn)創(chuàng)新.《可微分抽象機(jī)混合編程系統(tǒng)》提出了一種可無(wú)縫結(jié)合高級(jí)編程語(yǔ)言與神經(jīng)網(wǎng)絡(luò)組件的混合編程模型.該模型可以同時(shí)使用過(guò)程化的高級(jí)編程語(yǔ)言元素和神經(jīng)網(wǎng)絡(luò)組件元素混合開(kāi)發(fā)應(yīng)用程序,發(fā)揮并整合兩種編程方式各自的優(yōu)勢(shì).《C/C++程序缺陷自動(dòng)修復(fù)與確認(rèn)方法》針對(duì)C/C++程序的自動(dòng)修復(fù)問(wèn)題提出了一種基于機(jī)器學(xué)習(xí)和程序合成的解決方案,結(jié)合了深度學(xué)習(xí)技術(shù)進(jìn)行修復(fù)選項(xiàng)的生成,并據(jù)此實(shí)現(xiàn)了原型工具AutoGrader.《示例演化驅(qū)動(dòng)的學(xué)生程序自動(dòng)修復(fù)》針對(duì)學(xué)生程序設(shè)計(jì)應(yīng)用背景,研究程序自動(dòng)修復(fù)方法,利用模板示例程序指導(dǎo)補(bǔ)丁的演化,基于自動(dòng)的錯(cuò)誤分離及程序變異設(shè)計(jì)了細(xì)致的修復(fù)方案.《基于頻繁模式挖掘的GCC編譯時(shí)能耗演化優(yōu)化算法》設(shè)計(jì)了一種基于頻繁模式挖掘的遺傳算法 GA-FP.該算法在演化過(guò)程中利用頻繁模式挖掘得到出現(xiàn)頻度高且能耗改進(jìn)大的一組編譯選項(xiàng),并以此作為啟發(fā)式信息設(shè)計(jì)了“增添”和“刪減”兩種變異算子,以幫助提高解質(zhì)量和加快收斂速度.

二、缺陷預(yù)測(cè)與報(bào)告

本主題收錄了9篇論文.《即時(shí)軟件缺陷預(yù)測(cè)研究進(jìn)展》從即時(shí)缺陷預(yù)測(cè)技術(shù)的數(shù)據(jù)標(biāo)注、特征提取和模型評(píng)估等方面對(duì)即時(shí)缺陷預(yù)測(cè)研究進(jìn)展進(jìn)行綜述,并展望了即時(shí)缺陷預(yù)測(cè)的未來(lái)發(fā)展,對(duì)讀者掌握該領(lǐng)域的研究進(jìn)展非常有幫助.《基于特征遷移和實(shí)例遷移的跨項(xiàng)目缺陷預(yù)測(cè)方法》在跨項(xiàng)目軟件缺陷預(yù)測(cè)研究領(lǐng)域中提出了一種兩階段跨項(xiàng)目缺陷預(yù)測(cè)方法FeCTrA,同時(shí)考慮特征遷移和實(shí)例遷移兩個(gè)角度,減少兩個(gè)項(xiàng)目的數(shù)據(jù)分布差異性,提高缺陷預(yù)測(cè)精度.《C程序內(nèi)存泄漏智能化檢測(cè)方法》提出了一種內(nèi)存泄漏的智能化檢測(cè)方法,通過(guò)使用機(jī)器學(xué)習(xí)算法學(xué)習(xí)程序特征與內(nèi)存泄漏之間的相關(guān)性,構(gòu)建機(jī)器學(xué)習(xí)分類器并應(yīng)用機(jī)器學(xué)習(xí)分類器進(jìn)一步提高內(nèi)存泄漏靜態(tài)分析的準(zhǔn)確性.《基于深度學(xué)習(xí)的API誤用缺陷檢測(cè)》將深度學(xué)習(xí)中的循環(huán)神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于API使用規(guī)約的學(xué)習(xí)及API誤用缺陷的檢測(cè),能夠在一定程度上實(shí)現(xiàn)API誤用缺陷的自動(dòng)發(fā)現(xiàn),為開(kāi)發(fā)者節(jié)省開(kāi)發(fā)和維護(hù)的時(shí)間開(kāi)銷.《一種基于深度學(xué)習(xí)的上帝類檢測(cè)方法》提出了一種基于特征類屬性和相關(guān)自然語(yǔ)言信息的上帝類檢測(cè)方法,并使用神經(jīng)網(wǎng)絡(luò)作為主要檢測(cè)的技術(shù)方法,其效果優(yōu)于現(xiàn)有的上帝類檢測(cè)方法,尤其是在查全率上有大幅度的提升.《基于維修日志的飛機(jī)設(shè)備故障原因判別方法》提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)非結(jié)構(gòu)化文本提取文本特征建立字向量的方法,使用隨機(jī)森林算法對(duì)長(zhǎng)期積累下來(lái)的飛機(jī)故障日志數(shù)據(jù)建立故障原因分類器,可以幫助維修人員盡快確定故障原因.《基于代價(jià)極速學(xué)習(xí)機(jī)的軟件缺陷報(bào)告分類方法》針對(duì)軟件開(kāi)發(fā)中的Bug分類問(wèn)題提出了一種基于代價(jià)ELM的方法,將Bug分為嚴(yán)重Bug和不嚴(yán)重的Bug兩類,將錯(cuò)誤分類代價(jià)的概念引入ELM模型的損失函數(shù),重點(diǎn)解決了報(bào)告分類中的數(shù)據(jù)不平衡和數(shù)據(jù)量不足的問(wèn)題.《基于嵌入模型的混合式相關(guān)缺陷關(guān)聯(lián)方法》針對(duì)自動(dòng)化關(guān)聯(lián)相關(guān)缺陷報(bào)告的問(wèn)題,提出了一種基于嵌入模型的方法,將相關(guān)缺陷自動(dòng)關(guān)聯(lián)問(wèn)題抽象為推薦問(wèn)題,并且結(jié)合了傳統(tǒng)的信息檢索技術(shù)和深度學(xué)習(xí)中的嵌入模型,綜合了詞頻相似度、單詞相似度、文檔相似度,有效地提高了傳統(tǒng)方法的性能.《代碼壞味對(duì)軟件演化影響的實(shí)證研究》力求探究代碼壞味產(chǎn)生的影響以及壞味與軟件演化之間的關(guān)系,開(kāi)展了關(guān)于代碼壞味對(duì)軟件演化的影響的實(shí)證研究,具體分析了代碼壞味與新增文件、修改文件和移除文件這3類具體源文件操作之間的相關(guān)性.

三、軟件測(cè)試

本主題收錄了 3篇論文.《面向持續(xù)集成測(cè)試優(yōu)化的強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)機(jī)制》針對(duì)持續(xù)集成測(cè)試優(yōu)化問(wèn)題,提出了一種包含測(cè)試用例歷史執(zhí)行信息的獎(jiǎng)勵(lì)函數(shù)的強(qiáng)化學(xué)習(xí)方法,使用包含測(cè)試用例歷史失效信息的獎(jiǎng)勵(lì)函數(shù),使檢錯(cuò)能力得到明顯提高.《敏感變量和感知機(jī)結(jié)合的測(cè)試預(yù)言生成方法》提出了一種在已知部分測(cè)試用例集的情況下,基于敏感變量和線性感知機(jī)的新測(cè)試用例的測(cè)試預(yù)言自動(dòng)生成方法,為測(cè)試預(yù)言缺乏的場(chǎng)景提供了解決思路.《基于SOM神經(jīng)網(wǎng)絡(luò)的二階變異體約簡(jiǎn)方法》面向在軟件測(cè)試中具有重要意義的二階變異測(cè)試領(lǐng)域,詳細(xì)分析了影響條件下二階等價(jià)變異體的可能性因素,并基于這些因素提出了一種基于SOM神經(jīng)網(wǎng)絡(luò)的二階變異體約簡(jiǎn)的方法.

四、代碼、數(shù)據(jù)與用戶管理

本主題收錄了7篇論文.《基于圖嵌入的軟件項(xiàng)目源代碼檢索方法》將軟件項(xiàng)目代碼中的元素以圖的方式進(jìn)行組織,形成包含繼承、實(shí)現(xiàn)、成員等關(guān)系的軟件代碼圖,然后采用圖嵌入的方式計(jì)算結(jié)點(diǎn)之間的相關(guān)性,以支持查詢中子圖的生成與推薦.《企業(yè)級(jí)海量代碼的檢索與管理技術(shù)》設(shè)計(jì)實(shí)現(xiàn)了一個(gè)對(duì)大規(guī)模代碼庫(kù)進(jìn)行管理和搜索的工具平臺(tái),通過(guò)爬取大量代碼、基于Elasticsearch工具設(shè)計(jì)了代碼搜索引擎,并進(jìn)一步研究了查詢變換、搜索策略和結(jié)果排序、摘要生成等技術(shù)以提高代碼搜索效果,在大型軟件企業(yè)中具有較為重要的應(yīng)用價(jià)值.《一種基于迭代的關(guān)系模型到本體模型的模式匹配方法》提出了一種考慮數(shù)據(jù)本地化特征的模式匹配算法,對(duì)單一模式匹配算法匹配不準(zhǔn)的成因進(jìn)行了較為深入的分析,并提出了一種迭代優(yōu)化的模式匹配方案,能夠更好地兼容數(shù)據(jù)源的本地化特征.《軟件開(kāi)發(fā)活動(dòng)數(shù)據(jù)的數(shù)據(jù)質(zhì)量問(wèn)題》研究軟件工程中的數(shù)據(jù)質(zhì)量問(wèn)題,通過(guò)分析現(xiàn)有文獻(xiàn),總結(jié)出了10種數(shù)據(jù)質(zhì)量問(wèn)題,涵蓋了數(shù)據(jù)產(chǎn)生、數(shù)據(jù)收集和數(shù)據(jù)使用這3個(gè)階段,也提出了相應(yīng)的方法以幫助發(fā)現(xiàn)和解決數(shù)據(jù)問(wèn)題,對(duì)其他研究人員有很大的參考價(jià)值.《基于本體推理的終端用戶數(shù)據(jù)查詢構(gòu)造方法》針對(duì)企業(yè)數(shù)據(jù)在進(jìn)行業(yè)務(wù)分析時(shí),業(yè)務(wù)分析者無(wú)法直接使用數(shù)據(jù)庫(kù)查詢和使用數(shù)據(jù)的問(wèn)題,提出了一種基于推理的終端用戶本體查詢構(gòu)造方法,能夠減少數(shù)據(jù)庫(kù)設(shè)計(jì)細(xì)節(jié)的暴露并使得終端用戶更易查詢和操縱數(shù)據(jù).《一種基于支持向量機(jī)和主題模型的評(píng)論分析方法》提出了一種結(jié)合分類和主題提取的用戶評(píng)論分析方法 RASL,用于從移動(dòng)應(yīng)用的用戶所提供的大量無(wú)結(jié)構(gòu)化負(fù)面反饋評(píng)論中提取有效信息,為移動(dòng)應(yīng)用開(kāi)發(fā)者提供更為易讀且準(zhǔn)確的結(jié)構(gòu)化用戶評(píng)論,并且也為用戶評(píng)論的分組與記錄帶來(lái)好處.《基于多開(kāi)發(fā)者社區(qū)的用戶推薦算法》針對(duì)開(kāi)發(fā)者社區(qū)中的用戶標(biāo)簽自定化、不同社區(qū)的不對(duì)稱活躍現(xiàn)象和關(guān)鍵詞集封閉等問(wèn)題,提出了一種跨社區(qū)的用戶推薦算法,旨在賦予用戶更加準(zhǔn)確的標(biāo)簽,進(jìn)而拓展可推薦用戶范圍并提升用戶推薦結(jié)果的準(zhǔn)確度.

本?？饕嫦蛑悄芑浖录夹g(shù)領(lǐng)域,突出反映我國(guó)計(jì)算機(jī)軟件與人工智能學(xué)者在該領(lǐng)域的最新研究進(jìn)展.在此,我們特別感謝《軟件學(xué)報(bào)》編委會(huì)、中國(guó)計(jì)算機(jī)學(xué)會(huì)系統(tǒng)軟件專委會(huì)和軟件工程專委會(huì)對(duì)本?？ぷ鞯闹笇?dǎo)、支持和幫助,感謝編輯部各位老師所付出的辛勤努力,感謝評(píng)審專家嚴(yán)謹(jǐn)、細(xì)致、及時(shí)的評(píng)審工作,感謝向本?？e極投稿的所有作者,希望本?？兄诖龠M(jìn)人工智能、軟件工程相關(guān)領(lǐng)域人員在智能化軟件新技術(shù)方面的研究與實(shí)踐工作.